引言

中尺度MM5v3模式降水预报, 已在我国省级以上气象台广泛使用。山东^[1]、沈阳^[2]、陕西^[3]等地近年来对MM5模式进行了业务化应用和预报检验, 提高了MM5本地化模拟性能。云南省气象台于2001年开始引进^[4] MM5v3模式并进行了微机版两重嵌套的业务化和降水检验, 在此基础上, 作者^{[5, 6]}对一些强降水过程和天气系统进行了数值模拟分析, 初步认识了MM5模式在低纬高原地区的特性。由于计算条件的限制, 多年来未对该模式进行过试验改进。随着云南省高计算性能SGI o350小型机在科研和业务中的使用, 为三重嵌套的各种物理过程参数化方案降水试验提供了良好的计算条件。

作者利用主要物理过程的不同参数化方案组合7种试验方案, 对2005年云南主汛期强降水过程和站点降水预报进行数值试验。希望通过这些试验, 进一步了解MM5模式不同参数化方案组合对低纬高原地区降水预报的表现, 逐步形成对精细化降水预报的主导支撑。

1 试验方案选择

模式为PSU/NCAR的中尺度模式系统第五代第三版(MM5v3)。区域选择三重嵌套, 水平分辨率分别为90km、30km、10km, 垂直方向为23层, 积分中心为26° N、99° E。地形方案分辨率为1°× 1°、30′× 30′、5′×5′, P BL为高分辨率M R方案F, 侧边界为松弛、流入—流出方案。初始场取T213数值预报产品客观分析场。

取MM5v3模式中的3种积云对流参数化方案Anthes-Kuo (AK)、Grell (GR)和Kain- Fritch (KF), 4种显式降水方案Mixed-Phase (MP)、Goddard-Microphysics (GM)、Reisner-Graupel (RG)和Schultz-Microphysics (SM), 2种辐射参数化方案Cloud (C)和RRTM (R), 进行组合形成7种不同参数化降水试验方案。7种试验方案三重网格的物理方案详见表 1, 其中三重网格的辐射方案相同。

由于第三重嵌套网格分辨率取10km, 它的降水是显式降水和积云参数化物理过程共同形成, 其中显式降水物理过程为降水的主要来源^[7]。因此, 固定三重网格的积云参数化过程(AK、KF、GR)、辐射过程(C)和一、二重网格的显式方案, 取第三重网格不同的显式降水过程组成A、B、C、D参数化方案。同时也考虑积云参数化过程的对降水预报的作用, 选取不同积云参数化过程的E、G方案。汛期云南夜间中尺度对流系统活动频繁^[8], 多夜雨, 为此考虑了不同的辐射参数化过程F、G方案。

2 强降水过程预报对比试验

2005年6月13日20时—14日20时(北京时, 下同)受冷锋切变线的影响, 云南出现了21站大雨、8站暴雨的强降水天气过程, 强降水主要集中在滇中和滇东南地区(图 1b)。对于这次强降水天气过程, 7个试验方案都能预报出与实况接近的东北西南向强降水雨带, 但暴雨中心的位置和强度差异较大。其中试验方案C、E、G预报的降水量级较大, 达100mm以上, 50mm区域较接近实况位置。其它方案的强降水中心均偏离实况。总体而言, 试验方案C最接近实况(图 1a)。

受孟加拉湾低气压影响, 6月25日20时—26日20时, 滇西南出现了14站大雨、7站暴雨、1站大暴雨的强降水天气(图 2b)。此次过程, 7个试验方案均较好地预报出了强降水带, 其中试验方案A、B、D预报的暴雨中心位于缅甸, 试验方案C、E、F、G预报的暴雨中心位于滇缅之间。相对于云南而言, 试验方案C最接近实况(图 2a)。

受切变线影响, 7月12日20时—13日20时, 云南出现了两条强降水带(图 3b), 东边一条位于曲靖、昆明、玉溪一线, 西边一条位于大理、思茅、临沧等地, 暴雨中心位于大理南部。此次过程, 试验方案B、D预报的降水量较小, 雨带分散。试验方案A、C、E、F、G预报降水量虽较大, 但预报的雨带位置和实况有偏差, 大理南部的100m m强降水中心漏报, 滇南100mm强降水中心空报。相比而言, 试验方案C预报出了昆明、玉溪等地的大雨区, 最接近实况(图 3a)。

受低压槽和切变线的影响, 8月5日20时—6日20时, 滇中地区出现了大—暴雨天气过程(图 4b), 其中, 玉溪降水量达98.5mm。此次过程, 试验方案A、B、D、E预报的降水量级较小。试验方案C、F、G预报的降水量级与实况接近, 但强降水中心分散, 玉溪暴雨中心预报偏弱。相对而言, 试验方案G的预报与实况较接近(图 4a)。

受青藏高压和西太平洋副高之间辐合区影响, 8月22日20时—23日20时, 滇中、滇南和滇西部分地区出现了强降水天气(图 5b), 思茅的澜沧24小时降水量达119.7mm。此次过程, 7个试验方案均较好地预报出了强降水雨带, 相对云南而言, 位置稍偏南。滇南和滇西的雨带, 试验方案C、F、G预报稍好。滇中的强降水区, 试验方案C、E、F预报稍好。总体而言, 试验方案F最接近实况(图 5a)。

3 主汛期(6 —8月)不同参数化方案降水预报检验

以上重点分析了几次强降水不同参数化方案的预报效果, 为全面考察不同参数化方案的逐日表现, 对2005年6 —8月逐日不同参数化方案进行了TS评分和预报偏差评分。评定内容为云南省124个气象站24小时降水量(20 —20时), 级别分为小雨(0.1 ~ 9.9m m)、中雨(10.0 ~ 24.9mm)、大雨(25.0 ~ 49.9m m)、暴雨(≥ 50.0mm)。M M5各试验方案取逐日08时预报的12 ~ 36小时降水量(20 —20时预报值)。

3.1 插值扫描半径对预报结果的影响

为了便于与实况对比, 首先将格点预报值插值到站点上, 插值方法采用Gressmam ^[9]方法。其基本思路是, 先根据被插值站点与四周网格点的距离, 计算四周网格点对被插值站点的权重, 再将各网格上的数值与各权重相乘, 得到站点上的插值。计算公式如下

(1)

(2)

式中, W_{i, j}为某一格点到插值站点上的权重, i、j为某一格点经纬度, R为扫描半径, r_{i, j}为某一格点到插值站点上的距离, P_s为站点上得到的降水量预报插值, P_{i, j}为某一格点的降水量预报值。

在式(1)中, 需要人为确定扫描半径R, 不同的扫描半径所包含的网格点不同, 有可能影响到插值结果。对此, 作者利用试验方案C的预报结果, 分别取10km、20km、30km、40km不同的扫描半径所得到的插值结果与实况进行TS评分。

图 6给出了2005年6 ~ 8月试验方案C不同的扫描半径所得到的插值结果的TS评分。从中可以看出, 各扫描半径小雨的TS评分、漏报率、空报率差别不大, 表明不同扫描半径对插值结果影响较小。对中雨而言, 除10km扫描半径预报TS评分稍低于其它扫描半径外, 其它结果也相差不大。大雨预报, 10 ~ 40km预报TS评分分别为4.9 %、5.3 %、6.1 %和6.0 %, 30km和40km较高; 漏报率分别为51.6 %、51.0 %、49.7 %和50.0 %, 30km和40km稍低; 空报率相差不大。暴雨预报, 各扫描半径预报TS评分分别为3.3 %、3.2 %、3.6 %和3.4 %, 30km相对较高, 评分在1.5 %~ 1.8 %之间; 漏报率40km最大, 空报率10km最大。综合以上分析, 30km扫描半径插值结果相对较好, 因此, 在下一小节讨论中使用30km扫描半径插值结果。

3.2 不同参数化方案降水预报TS和Bias比较

图 7给出了2005年6 ~ 8月各试验方案插值到站点上的预报TS评分。各试验方案对小雨预报正确率相差无几, 试验方案B最高, 为78.9 %, 试验方案G最低, 为76.9 %, 差距不到2个百分点, 相对误差为2.6 %。中雨预报的TS评分, 试验方案E最高, 为14.0 %, 试验方案C次之, 为13.5 %, 试验方案A最低, 为11.3 %, 相对误差为23.9 %。大雨预报的TS评分, 试验方案C和G较高, 分别为6.1 %和6. 0 %, 试验方案B最低, 仅为3.5 %, 相对误差为74.3 %, 表明各试验方案的预报能力有明显差异。暴雨预报的TS评分, 试验方案G最高, 为3.9 %, 试验方案C次之, 为3.6 %, 试验方案B最低, 为1.3 %, 相对误差达200 %。

预报偏差Bias (=F /O, F :预报该事件出现总次数, O :观测该事件的总次数)刻画了预报在总体上是否存在预报该事件偏多或偏少的倾向。Bias最佳为1, 大于1表示预报偏多, 小于1表示预报偏少。图 8给出2005年6 —8月各试验方案插值到站点上的预报偏差。各个方案小雨预报偏差差不多, 都是预报偏大。中雨预报偏差除了方案B接近1外, 其他方案预报偏多, 其中方案G偏差最大。大雨预报偏差方案B、D、E预报偏少, 其中方案B偏差最多, 方案A、C、F、G的预报偏多, 其中方案G偏差最多。暴雨预报偏差方案B、D预报偏少。其他方案预报偏多, 其中方案G偏差最大。

综合以上分析, 可以得出这样的结论: 7个试验方案小雨预报能力相当; 中雨预报效果, 试验方案E和C最好; 大雨预报效果, 试验方案C和G最好; 暴雨预报效果, 试验方案G和C最好。从预报偏差来看, 小雨预报偏差各方案相当, 中雨量级方案B接近1, 其他方案都偏多。中雨以上量级方案B的预报明显偏少, 方案G的预报明显偏多。综合来看, 方案C预报效果相对最好。

3.3 试验方案C、G和B物理过程讨论

前面通过比较各试验方案降水预报的TS和Bias, 初步得出了试验方案C相对较好, 试验方案B较差。在MM5多个显式云物理方案中, 试验方案C采用Goddard方案, 试验方案B采用Reisner方案。从物理过程过程特点看^[10], Reisner方案比较全面, 物理过程较多, 同时在雨滴冻结、冰雪自动转化和雪霰自动转化方面都比Goddard和Schultz方案更合理, 并且对冰晶对数浓度进行了预报计算。尽管Reisner方案的物理过程比Goddard方案全面, 许多微物理过程也比较完善, 但模拟降水预报并没有优势, 特别是对较强降水预报的能力较差, 因此物理过程的改进并不一定可以使模拟结果得到改善, 模拟结果不单单由云物理过程决定, 而是多个物理过程相互共同作用的结果, 是一个很复杂的问题。在汛期降水集中、强度较大时Goddard方案优于Reisner方案, 但到了降水量较少的季节情况是否还会一样, 需要进一步检验论证。

同样采用Goddard方案的试验方案C和G在强降水预报的表现略有差异, 试验方案G在暴雨方面能力略强, 试验方案C则在中雨和大雨预报方面稍好, 2个方案的积云参数化过程和显式过程均相同, 不同的是辐射过程。试验方案C采用的是云辐射方案, 晴空时只考虑水汽的吸收, 对有云大气, 将所有的云和降水物都作为一种云; 试验方案G采用的是长波辐射传输方案, 方案中考虑吸收波段的效果, 这些波段主要针对水汽、二氧化碳和臭氧, 短波辐射计算与云辐射传输方案相同。由于辐射传输过程对地面降水有重要的作用^[11], 辐射传输方案对云辐射特性描述的准确程度对于地面降水影响是明显的, 不同的辐射传输方案对地面降水的影响存在较大的差异。因此, 在低纬高原地区辐射传输过程对降水的影响, 特别是对日变化有必要深入的研究。

4 小结

不同参数化方案对云南2005年6 —8月几次强降水过程预报表现有一些差异, 试验方案C综合效果最好(已于8月1日确定并启用试验方案C作为云南省MM5中尺度预报业务运行方案)。其它参数化方案虽然综合预报效果比试验方案C稍差, 但不同的天气过程各试验方案效果并不完全相同, 因此完全肯定试验方案C或否定其它参数化方案都没有充分的依据。若下一步能把云南不同降水系统分类, 对模式中不同的物理方案组合进行试验, 有可能寻找出物理机制明确、适合低纬高原地区不同降水系统的最佳预报方案。

不同扫描半径所得到的插值结果也有所不同, 从TS评分看, 各扫描半径对较弱降水的插值结果影响较小, 而对较强降水影响较大。相对而言, 20 ~ 30km扫描半径插值结果相对较好。

预报效果是由多个物理过程共同作用的结果, 虽然最详细的参数化方案是试验方案B中的Reisner方案, 但试验方案B的预报效果在低纬高原地区汛期并不是最好。同样采用Goddard方案的试验方案C和G在强降水预报中相对较好, 但两个方案的辐射过程不同, 对中—大雨和暴雨预报的效果造成了明显的影响。